重塑层次化索引&stack

最新推荐文章于 2022-10-16 16:00:58 发布

余生羁绊

最新推荐文章于 2022-10-16 16:00:58 发布

阅读量149

点赞数

分类专栏：可视化

本文链接：https://blog.csdn.net/m0_46202060/article/details/116159327

版权

可视化专栏收录该内容

23 篇文章 0 订阅

订阅专栏

重塑层次化索引练习

参考文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.stack.html
https://pandas.pydata.org/pandas-docs/stable/user_guide/reshaping.html#reshaping-by-stacking-and-unstacking

import numpy as np
import pandas as pd

df1 = pd.DataFrame(np.random.randint(0,5,(4,3)))
df1

	0	1	2
0	3	3	0
1	3	4	1
2	3	2	4
3	1	4	0

1.将其转化为层次索引，并查看转换后的类型

df2 = df1.stack()   
df2

0  0    3
   1    3
   2    0
1  0    3
   1    4
   2    1
2  0    3
   1    2
   2    4
3  0    1
   1    4
   2    0
dtype: int32

type(df2)

pandas.core.series.Series

df3 = df2.unstack()
df3

	0	1	2
0	3	3	0
1	3	4	1
2	3	2	4
3	1	4	0

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

余生羁绊

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

pandas层次化索引以及stack()t和unstack()

hello world!

02-10

3350

层次化索引 层次化索引，就是对索引进行层次化分类，便于使用，这里的索引可以是行索引，也可以是列索引。先看例子： #以下代码会报错，因为data本身是一个DataFrame，要先转化成数组。 a = {"a":3, "b":4, "c":5} data = [a, a] print(pd.DataFrame(data, columns=[['m','m','n'],['b', 'c',...

pandas（三）pandas层次化索引

程序媛进化论

06-29

640

Logout3-pandas_hierarchical_indexing Last Checkpoint: 10/22/2017 (autosaved)Python 3 TrustedFileEditViewInsertCellKernelWidgetsHelpCodeMarkdownRaw NBConvertHeading-pandas层次化索引1. 创建多层行索引In [1]:import n...

参与评论您还未登录，请先登录后发表或查看评论

数据规整：层次化索引、合并、重塑

法术技能书

10-15

308

pandas的数据规整包含三个方面的内容：1.层次化索引；2.数据集合并；3.重塑。 1 层次化索引在一个轴上拥有多个索引，能以低纬度处理高纬度问题；）层次化索引的赋值：data=pd.Series(np.random.randn(4),index=[['a','a','b','b'],[1,2,1,3]]) ）层次化索引的子集提取： data['b'] # 外层索引提取 data...

Python之数据重塑——【stack()方法和unstack()方法、pivot()方法】

Jormungand_V的博客

11-20

2910

文章目录重塑层次化索引对于单层索引的DataFrame类对象stack()方法unstack()方法对于多层索引的DataFrame类对象重塑层次化索引 Pandas中重塑层次化索引的操作主要是stack()方法和unstack()方法，前者是将数据的列“旋转”成行，后者是将数据的行“旋转”成列。 stack(self, level=-1, dropna=True) 上述方法中部分参数表示的含义如下： level：表示操作内层索引。若设为0，表示操作外层索引，默认为-1 dropna：表示是否将旋

卷积神经网络解决拼图_使用神经网络解决拼图难题

weixin_26632369的博客

07-18

1632

卷积神经网络解决拼图Training a Neural Net on permutation invariant data is difficult. And a jigsaw puzzle is one of those. 在排列不变数据上训练神经网络非常困难。拼图游戏就是其中之一。什么是置换不变性？ (What is Permutation Invariance?) A functio...

python 层次化索引_pandas重塑层次化索引(stack()和unstack()函数解析)

weixin_33910191的博客

02-09

605

在数据处理时，有时需要对数据的结构进行重排，也称作是重塑(Reshape)或者轴向旋转(Pivot)。而运用层次化索引可为 DataFrame 的数据重排提供良好的一致性。在 pandas 中提供了实现重塑的两个函数，即 stack() 函数和 unstack() 函数。常见的数据层次化结构有两种，一种是表格，如图 1 所示；另一种是“花括号”，如图 2 所示图 1：表格结构图 2：花括号结构表格...

pandas 层次化索引的实现方法

09-19

层次化索引在数据重塑中的应用体现在unstack()和stack()方法。unstack()会将层次化索引的一层转换为列，形成一个新的DataFrame；stack()则相反，将DataFrame的列转换为层次化索引，还原为原来的Series。在这个例子中...

pandas的层次化索引

Nicole的博客

04-04

2328

import pandas as pd import numpy as np import matplotlib.pyplot as plt 一、pandas的层次化索引层次化索引是pandas的一项重要功能，它使你能够在一个轴上拥有多个（两个以上）索引级别。换句话来说，它能够让你以低纬度的形式处理高纬度数据。1.Series的层次化索引¶（1）生成数据 data = pd....

python数据分析及可视化（八）pandas数据规整（层级索引、数据重塑、数据合并、数据连接）

hwwaizs的博客

10-16

1166

数据的层级索引、数据重塑、数据合并、数据连接

cnn卷积神经网络应用_卷积神经网络（CNN）：应用的核心概念

weixin_26752765的博客

09-04

760

In this tutorial, we’ll work through the core concepts of convolutional neural networks (CNNs). To do this, we’ll use a common dataset — the MNIST dataset—and a standard deep learning task—image class...

pandas重塑层次化索引

qq_42413820的博客

06-24

1136

在处理数据时，我们有时需要对数据的结构进行重排，也可称作是重塑(reshape)或者轴向旋转(pivot)。 层次化索引为Dataframe的数据重排提供了良好的一致性的方式。功能有二： stack：将数据的列旋转为行unstack：将数据的行旋转为列看几个简单的例子解释一下： In [15]: data = pd.DataFrame(np.arange(6).resh...

利用python进行数据分析——重塑层次化索引

weixin_42418170的博客

10-18

481

一、重塑层次化索引 stack：将数据的列“旋转”为行（从列索引的角度），从数据的角度（一行数据转为一列） unstack：将数据的行“旋转”为列 Note：默认情况下，unstack/stack操作的是最内层，传入分层级别的编号或者名称即可对其他级别进行unstack/stack操作如果不是所有的级别值都能在各分组中找到的话，unstack操作会引入缺失数据 stack默认会滤除缺失数据对DataFrame进行unstack操作时，作为旋转轴的级别将会成为结果中的最低级别二..

Pandas-层次化索引

leadai的博客

12-12

389

全文共401字，预计阅读时间5分钟。层次化索引是pandas的一项重要功能，它能使你在一个轴上有多个索引级别，也就是说，它能使你以低维度形式处理高维度数据，比如下面的代码...

python 层次化索引_pandas重塑层次化索引(stack()和unstack())

weixin_39844267的博客

12-02

426

pytorch、tensorflow对比学习—功能组件（激活函数、模型层、损失函数）

qq_58832911的博客

07-23

1274

功能组件（激活函数、模型层、损失函数），对比学习pytorch和tensorflow两者的API接口，和语法。一篇文档同时拥有pytroch、tensorflow，美滋滋。

层次化索引

liuke

02-12

5300

层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。抽象点说，它使你能以降低唯独形式处理高维度数据。带有MultiIndex索引的Series的格式化输出格式。索引之间的"间隔"表示"直接使用上面的标签"：对于一个层次化的索引的对象，选取数据子集的操作很简单：有时甚至还可以在"内层"中进行选取： 层次化索

python练习题（五）

qq_37635049的博客

05-29

3489

说明：以练习题的方式，学习python基础知识点，主要是数据分析方向常用的numpy、pandas、matplotlib等库对应的练习题。仅供参考，题目来源于网络，如有侵权请联系我删除。 Pandas中的层次化索引、数据转置、数据分组及运算、离散化处理等：（1）读取数据。读取之前作业保存的“酒店数据1.xlsx” import numpy as np import pandas as p...

机器学习数据科学包（六）——Pandas基础索引：重复索引处理，层次化索引，索引交换排序，索引与列的转换

DuBenBen的博客

02-09

571

索引行索引 .index() 列索引 .columns() 索引的分类 pd.*Index? +[tab键] 重复索引的处理 .index.is_unique 判断是否唯一 .index.unique 返回全部不同的索引 .groupby(.index).sum() 重复索引 层次化索引可以使数据在一个轴上有多个索引级别。即可以用二维的数据表达更高维度的数据...

stack&&与stack&的区别